---
citekey: Onweller2026CitedNotVerified
priority: nucleo
units: [U2, U4]
type: working-paper
venue: arXiv 2605.06635
year: 2026
pdfstatus: ok-arxiv
verificado: 2026-11-09 (fuente primaria: NBER, arXiv o Crossref)
---

# Onweller et al. 2026. Citado pero no verificado

**Cita.** Onweller, H., Lumer, E., Huber, A., Ramchandani, P., Subbiah, V. K. y Feld, C. (2026). "Cited but Not Verified: Parsing and Evaluating Source Attribution in LLM Deep Research Agents". arXiv:2605.06635.

**Citekey Quarto:** `[@Onweller2026CitedNotVerified]`

## Tesis central

Evalúan 14 LLM cerrados y abiertos como agentes de investigación profunda. Separan tres cosas: que el enlace funcione, que la fuente sea pertinente y que la fuente diga lo que el reporte afirma. Los mejores modelos superan 94 % en enlaces válidos y 80 % en pertinencia, pero su exactitud factual cae a 39–77 %. Más búsquedas empeoran la exactitud.

## Aporte por unidad del curso

- **U2 (Problema de investigación):** ★★★ la lección del cockpit: un DOI válido no prueba que el paper diga lo que la IA dice que dice.
- **U4 (Revisión de literatura):** ★★★ justifica leer la fuente (Keshav) y no solo verificar que exista.

## Hallazgos clave (citables)

- Enlaces válidos por encima de 94 % y exactitud factual de 39 % a 77 % en los modelos de frontera.
- Al pasar de 2 a 150 llamadas de herramienta, la exactitud en la verificación de hechos cae cerca de 42 % en promedio.
- Menos de la mitad de los modelos abiertos produce un reporte con citas en un solo intento.

## Conexiones con otras lecturas del bib

- `[@Rao2026RefHallucinations]`: la capa de existencia.
- `[@Keshav2007]`: leer en tres pasadas es la verificación que falta.

## Pregunta detonadora

> Tu cita tiene DOI y abre. ¿Leíste la página donde el paper dice lo que tú dices que dice?